Di-hadron Fragmentation Functions beyond LO

Nel cuore di ogni atomo, protoni e neutroni non sono sfere solide, ma città frenetiche di particelle più piccole chiamate quark e gluoni. Queste particelle sono legate insieme dalla forza forte, l'interazione più potente della natura, che è descritta da una teoria chiamata Cromodinamica Quantistica. Quando particelle ad alta energia collidono, possono liberare questi quark, ma la forza forte si rifiuta di lasciarli viaggiare da soli. Invece, mentre un quark vola via, trascina dietro di sé un flusso di energia che si trasforma in nuove particelle, formando uno spruzzo di adroni noto come getto (jet). Gli scienziati studiano questi getti per comprendere le regole invisibili che governano il modo in cui la materia viene costruita. Una chiave per sbloccare queste regole è un insieme di strumenti matematici chiamati Funzioni di Frammentazione, che agiscono come una mappa che mostra la probabilità che un singolo quark si trasformi in tipi specifici di particelle. Sebbene gli scienziati sappiano da tempo come mappare il percorso di un quark che si trasforma in una singola particella, rimane un enigma più complesso: come fa un quark a dividersi in una coppia di particelle, come due pioni, che viaggiano insieme nello stesso getto?

Questa specifica domanda si trova al centro di un recente studio condotto da ricercatori dell'Università di Pavia e dell'Istituto Nazionale di Fisica Nucleare. Si sono concentrati su un fenomeno chiamato Frammentazione Di-adronica, che descrive il processo in cui un singolo quark si frammenta in due adroni. Studiando queste coppie, i fisici sperano di misurare una proprietà del protone chiamata trasversalità, che descrive come siano orientati gli spin dei quark all'interno del protone. Finora, le mappe utilizzate per descrivere questo processo erano state disegnate con una precisione limitata, basandosi su calcoli che erano solo una prima approssimazione. I ricercatori si sono posti l'obiettivo di ridisegnare queste mappe con molta più accuratezza, andando oltre le stime iniziali per includere correzioni complesse di ordine superiore che tengano conto della realtà disordinata delle interazioni tra particelle.

Per costruire questa nuova mappa, più precisa, il team si è rivolto ai dati raccolti dall'esperimento BELLE in Giappone, dove elettroni e positroni sono stati fatti scontrare a un livello di energia specifico per creare getti di particelle. I ricercatori si sono concentrati sugli eventi in cui una coppia di pioni, uno positivo e uno negativo, appariva insieme all'interno dello stesso getto. Hanno selezionato attentamente i punti dati in cui la massa della coppia di pioni era sufficientemente piccola da garantire che i modelli teorici rimanessero validi, filtrando circa 344 misurazioni distinte dalla vasta quantità di informazioni raccolte. Poiché i dati della collisione da soli non rivelano quale tipo di quark abbia creato la coppia, il team ha utilizzato simulazioni al computer per fungere da guida. Queste simulazioni li hanno aiutati a separare i contributi di diversi sapori di quark, permettendo loro di vedere come i quark up, down, strange e charm si comportino ciascuno quando si dividono in due pioni.

Il team ha affrontato il problema utilizzando due diverse strategie per garantire la robustezza dei propri risultati. Il primo metodo si è basato su un approccio "informato dalla fisica", in cui hanno costruito il loro modello utilizzando principi fisici noti, come l'esistenza di risonanze specifiche quali le particelle rho e omega che si formano brevemente prima di decadere in pioni. Questo metodo ha agito come un progetto strutturato, assicurando che il modello rispettasse le leggi note della fisica delle particelle. Il secondo metodo ha impiegato una rete neurale, un tipo di intelligenza artificiale che impara i pattern direttamente dai dati senza essere costretta in una forma predefinita. Questo approccio ha permesso ai dati di parlare da soli, rivelando potenzialmente caratteristiche che un modello rigido potrebbe ignorare. Entrambi i metodi sono stati spinti a un nuovo livello di precisione, incorporando calcoli che non erano mai stati applicati prima a questo problema specifico, raggiungendo un livello di dettaglio noto come ordine successivo al prossimo ordine principale (next-to-next-to-leading order).

I risultati hanno mostato che entrambi i metodi funzionavano bene, descrivendo i dati sperimentali con alta accuratezza. Il modello informato dalla fisica eccelleva nel riprodurre i picchi distinti nei dati che corrispondono alle risonanze di particelle note, mostrando chiaramente la struttura delle interazioni tra particelle. La rete neurale, pur essendo leggermente meno chiara su questi picchi specifici, ha fornito un adattamento complessivo migliore ai punti dati e ha offerito una visione più flessibile della fisica sottostante. Entrambi gli approcci hanno confermato che i quark up e down sono i motori primari di questo processo, mentre i quark più pesanti come lo strange e il charm giocano un ruolo trascurabile quando le particelle trasportano una frazione elevata del momento del getto. Tuttavia, lo studio ha anche rivelato un punto cieco significativo: il contributo dei gluoni, le particelle che trasportano la forza forte, rimane completamente non vincolato dai dati attuali. L'incertezza nel contributo dei gluoni era così grande che le repliche della rete neurale mostravano un comportamento erratico, indicando che gli scienziati hanno bisogno di nuovi tipi di dati provenienti da diversi tipi di collisioni per definire questo pezzo del puzzle.

Oltre a perfezionare la mappa per le particelle non polarizzate, i ricercatori hanno affrontato una sfida più difficile che coinvolge particelle con un orientamento di spin specifico. Hanno rivisitato un calcolo su come una coppia quark-antiquark con spin specifico si frammenti, scoprendo che un risultato precedentemente pubblicato nella letteratura scientifica era errato. Eseguendo il proprio calcolo indipendente, hanno derivato una nuova formula che corregge l'errore. Questa formula corretta è un passo avanti cruciale, poiché fornisce la base necessaria per la prima estrazione delle funzioni di frammentazione polarizzate ad un alto livello di precisione. Questo lavoro non si limita ad aggiornare un numero; apre la strada a futuri esperimenti per misurare la struttura di spin dei protoni con maggiore chiarezza, portando gli scienziati più vicini a una comprensione completa di come i blocchi fondamentali della materia si assemblino tra loro.